本文研究了神经自然语言处理系统中的性别偏见问题，并提出了一种基于因果干预的语料库增强通用方法CDA，以减轻偏见。研究发现CDA优于先前的方法，并可以缓解数据集优化时的性别偏见增加。

本研究通过增强语料库，对语音到文本翻译进行了端到端研究，实验结果表明可以训练出高效的语音转换模型。提供语料库，希望未来研究能挑战基线模型。